ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ “

“MANUEL FÉLIX LÓPEZ”

TEOREMA DE BAYES

MATERIA:

ANÁLISIS DE DATOS

AUTORES:

PEDRO PROAÑO

JESÚS GARCÍA

CALCETA, 20 DE JULIO 2020

 TEOREMA DE BAYES

La clasificación bayesiana se remonta al mismo Thomas

Bayes (Londres , Inglaterra, 1702-Tunbridge Wells,
1961) fue un matemático británico y ministro
presbiteriano. Su obra más conocida es el Teorema de
Bayes.
 TEOREMA DE BAYES

● Estudió el problema de la determinación de la

probabilidad de las causas a través de los efectos
observados.
● El teorema que lleva su nombre se refiere a la
probabilidad de un suceso condicionado por la
ocurrencia de otro suceso.
 TEOREMA DE BAYES

El Teorema de Bayes es un procedimiento para obtener probabilidades

condicionales (probabilidades de ocurrencia de acontecimientos
condicionados a la ocurrencia de otros acontecimientos).

Donde:
P(Ai) son las probabilidades a priori
P(B/Ai) es la probabilidad de B en la hipótesis Ai.
P(Ai/B) son las probabilidades a posteriori.
 TEOREMA DE BAYES

El teorema de Bayes da respuesta a cuestiones de tipo casual, predictivas y de

diagnóstico.

● Casual : cuál es la probabilidad de acontecimientos que son la consecuencia

de otros acontecimientos.
● Predictivas: cual es la probabilidad de acontecimientos dada información de
la ocurrencia de los acontecimientos predictores.
● Diagnóstico: cuál es la probabilidad del acontecimiento o acontecimientos
causales o predictivos dado que tenemos información de las consecuencias.
 TEOREMA DE BAYES

Los clasificadores bayesianos que son frecuentemente usados en

implementaciones de filtros de correo basura o spam, que se adaptan con el
uso. Otra aplicación se encuentran en la fusión de datos , combinando
información expresada en términos de densidad de probabilidad proveniente de
distintos sensores.

Otros:

● El diagnóstico de cáncer.
● Evaluación de probabilidades durante el desarrollo de un juego.
● Probabilidades a priori y a posteriori.
 Clasificación Naive Bayes

● Es una tarea que se realiza frecuentemente todos los días

para clasificar que consiste en dividir y separar objetos entre
ellos en categorías mutuamente exhaustivas y exclusivas
llamadas CLASES.
● Con Naive Bayes cada objeto (exhaustivo) puede ser
asignado a una y solo una de las clases (exclusiva).
 Algoritmo Naive Bayes

● Es uno de los clasificadores más utilizados por su

simplicidad y rapidez.
● Es un técnica de clasificación y predicción que
construye modelos que predicen la probabilidad de
posibles resultados. Naive Bayes utiliza datos
históricos para encontrar asociaciones, relaciones y
hacer predicciones.
 Funcionamiento
El clasificador Naive-Bayes aprende de los datos de entrenamiento y luego
predice la clase de la instancia de prueba con la mayor probabilidad posterior.

1. Convertir el conjunto de datos en una tabla de frecuencias.

 Funcionamiento
2. Crear una tabla de probabilidad calculando las correspondientes a que
ocurran los diversos eventos.
 Funcionamiento
3. La ecuación Naive Bayes se usa para calcular la probabilidad.
a. Problema: Los jugadores jugarán si hace sol.
 Knime - Naive Bayes - Concepto
Knime es un plataforma modular de exploración de datos, que permite al usuario
crear flujos de datos, de forma visual e intuitiva. Además permite ejecutar de
forma selectiva algunos de los pasos creados, así como ejecutar todo el flujo
realizado. Tras la ejecución, los resultados se pueden investigar mediante vistas
interactivas tanto de los datos como de los modelos.
Knime - Naive Bayes

Se pueden obtener los

diferentes componentes a
utilizar para el respectivo flujo
de datos del algoritmo a utilizar.
Knime - Naive Bayes

Esta opción nos permite buscar

toda la información sobre el
algoritmo a utilizar sobre que
hace y como va conectado.
Para lo cual utilizamos el Naive
Bayes
Knime - Naive Bayes
 Conclusión

El teorema de bayes es de gran utilidad para conocer las

probabilidades de los eventos o circunstancias que se nos presente y
se convierte en una gran herramienta para la toma de decisiones bajo
ciertas circunstancias.

Una de las mayores ventajas que Naive Bayes tiene sobre otros
algoritmos de clasificación es la capacidad de manejo. Ya que es fácil
de entender y de implementar, su modelo de entrenamiento y proceso
de predicción son eficiente, teniendo en cuenta la cantidad de datos
que puede manejar.
Thank you so much.